链条自动润滑装置的神经网络辨识及性能预测研究

提出了应用神经网络训练和数字化仿真技术相结合的方法对摩托车链条自动润滑装置进行系统建模与性能预测研究。针对反向传播前馈BP网络收敛速度慢和容易陷入局部极值的问题,采用L-M优化计算的方法,设计了4输入1输出三层25个神经元的摩托车链条自动润滑装置BP网络模型。仿真结果表明,该网络不仅能够很好地预测输入变化时系统的性能,而且可以分析当系统的结构参数改变时系统的动态性能,为系统的建模、分析和变参数设计带来了极大的方便,有利于降低产品的开发成本和设计的盲目性。     

基于神经网络的动态逆方法研究

该文探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态逆的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案。通过仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性以及在控制系统设计中所具有的潜在能力。     

考虑舵机动力学的舵回路系统颤振特性分析

针对液压舵机动刚度特性,研究了舵回路系统(舵机系统和舵面耦合系统)的颤振特性.利用分支模态法建立了基于舵机系统动力学方程的时域和频域颤振计算模型,提出了2种考虑舵机动态特性的颤振求解方法,第1种方法思想是对舵回路系统模型在各种来流速度下进行状态矩阵的稳定性判断;第2种方法是将舵机复刚度特性包含在频域颤振方程中,使用迭代法求解该方程得到舵系统颤振特性,并验证了两种方法的可行性.分析结果显示舵机动态特性对颤振特性有着很大的影响,说明舵机动态特性使得颤振边界提高,为飞机系统设计和结构振动分析提供有用的边界支持和设计依据.     

电液负载模拟器的自适应最优控制

研究了电液负载模拟器的自适应最优控制问题.将线性二次型最优控制与GCMAC神经网络相结合,提出了一种自适应最优控制策略.该控制策略把最优控制器作为辅助控制器,采用GCMAC神经网络在线学习使闭环系统满足理想性能要求的控制量.Lyapunov稳定性分析证明该控制策略具有渐近稳定性.仿真结果表明系统具有较好的动态性能和较高的载荷谱跟踪精度.     

无人机自主编队飞行控制的技术问题

从未来无人机的性能需求出发，详细描述了无人机编队飞行的功能特点和核心技术。根据无人机的任务要求，将编队飞行分为作战编队、侦察编队和混合协同编队，同时研究了编队飞行控制的关键技术，并对无人机编队重构技术进行了探讨和分析。     

基于直接自适应控制的重构飞控系统研究

通常，飞控系统重构设计需知系统的故障信息，而使用直接自适应控制技术可在不知道系统故障信息的情况下，对飞控系统操纵面损伤进行重构，并且可使故障飞机很好地跟踪参考模型的输出．采用优化算法设计反馈补偿器以保证故障系统的严格正实性，并利用Lyapunov函数证明重构系统的渐近稳定性．将该方法用于某型飞机侧向控制系统的设计，仿真结果表明，在操纵面严重受损的情况下，飞机仍能保持良好的性能．     

混合余度传感器系统的可靠性建模与分析

针对混合余度传感器系统,分别对故障过程和诊断过程进行建模,集成建立系统的半马尔可夫过程可靠性模型。通过代数模型与补充变量法的结合,提出了一种定量分析方法,采用代数模型法将系统模型简化为故障模式的逻辑和,应用补充变量法求解约简后的半马尔可夫过程,推导了基于分布函数的时序故障概率计算公式,用于各故障模式的定量概率求解。通过算例分析,并与典型方法进行比较,体现了模型的通用性以及定量分析方法的准确与简便。     

基于时域Neal-Smith准则的人机控制系统设计多目标优化研究

为了获得驾驶员和飞机良好的匹配特性,使用基于人机闭环参考模型的方法将飞行品质的要求引入优化算法,进行飞行控制系统设计。首先使用CAP准则建立飞机等效系统模型。然后,基于时域Neal-Smith准则,通过多目标优化算法一次性得到在不同任务条件下的最优驾驶员模型。根据需要选择相应的驾驶员模型,并与飞机等效系统模型组成人机闭环参考模型,进行飞行控制设计多目标优化。仿真结果显示,文中的算法不仅可以整定控制器参数,根据任务需求选取最优驾驶员模型,还可以利用优化结果进行PIO易感性的分析。     

约束输出特征结构配置方法在飞控系统中的应用

针对含约束的输出反馈飞行控制系统,传统特征结构配置方法求解的反馈参数矩阵不能使控制系统实现精确的动态性能,为此,提出了一种反馈矩阵的求解方法.在该方法中,将对系统主导特征值配置的精确性要求和对未配置特征值的稳定性要求概括为一个综合优化指标,而后,再采用粒子群算法对该指标进行优化,求解出最优的反馈矩阵.该方法克服了传统特征结构配置方法的缺点.通过在变稳飞机飞行控制系统设计中的应用,验证了该方法的优越性和有效性.     

基于混沌差分进化FCM算法的舵回路故障诊断

为了提高故障分类的准确性,提出了一种混沌差分进化模糊C-均值故障识别方法(CDEFCM,chaotic differential evolution fuzzy C-mean).该方法利用差分进化算法高效的全局搜索能力以及混沌序列的均匀遍历特性,克服了模糊C-均值算法(FCM,fuzzy C-mean)对初始值敏感的缺点及遗传算法易收敛到局部极值点的缺陷,用该方法进行故障聚类分析,可以准确地识别故障.以某飞控系统舵回路常见故障为例进行了仿真验证,结果表明该方法能有效地识别出故障.